Redes neuronales informadas por la física para inferir cómo interactúan osciladores acoplados: desde relojes embrionarios hasta nanovarillas giratorias Los osciladores acoplados están por todas partes en la naturaleza: el reloj de segmentación que coordina la formación de vértebras en embriones, los ritmos circadianos en el núcleo supraquiasmático, las redes eléctricas, las nanopartículas rotativas bajo luz polarizada. Todos están gobernados por una función de acoplamiento que determina si los osciladores atraen, repelen o sincronizan de forma asimétrica. Identificar esa función a partir de datos es clave para entender el mecanismo de interacción, pero es un problema inverso difícil. Los enfoques estándar representan la función de acoplamiento como una suma de polinomios trigonométricos ajustados a series temporales de fase observadas, pero no existe una regla de principios para elegir cuántos términos incluir. Hwang, Jo y Kim demuestran que esto no es una cuestión de convención: no existe un número óptimo único. Pocas funciones base carecen de estructura asimétrica; Muchos sobreajustan con datos escasos o ruidosos. Para evitar por completo la selección de base, introducen IC-PINN (Inferencia de Acoplamiento mediante Redes Neuronales Informadas por la Física). Dos redes separadas aprenden, respectivamente, las trayectorias de fase y la función de acoplamiento en función de la diferencia de fase, con la periodicidad forzada al mapear entradas a través de (sin θ, cos θ). El entrenamiento conjunto minimiza una pérdida combinada—fidelidad de datos más una restricción física que impone la coherencia con las ecuaciones diferenciales que lo rigo. Esta restricción actúa como un regularizador natural, haciendo que el IC-PINN sea resistente al ruido y la escasez sin ajuste manual. IC-PINN recupera funciones de acoplamiento a través de regímenes de sincronización bidireccional, Winner-Take-All y Loser-Take-All, se extiende a M osciladores acoplados e infiere la estructura de red con AUC de 1.0 en topologías dispersas y modulares. Aplicado a datos de oscilación génica HES de células colales de embrión de ratón, confirma la sincronización Winner-Take-All y predice que la diferencia de fase se reduce a la mitad en aproximadamente 100 minutos. Aplicado a nanovarillas de oro que giran bajo luz polarizada circularmente, recupera la función de acoplamiento solo a partir de datos de diferencia de fase, un régimen donde los métodos convencionales fallan por completo. El punto más profundo es arquitectónico: IC-PINN separa la dinámica de fase de la dinámica de interacción en redes distintas, acopladas solo mediante restricciones físicas. Esto hace que la función de acoplamiento sea identificable incluso a partir de observaciones parciales y ruidosas, y abre la puerta al descubrimiento de principios de interacción no lineales sin imponerlos a priori. Papel: